基于PSO-SVR的下水道可燃气体分析

• 作者: 成新文 王红旗 蒋华龙
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 支持向量回归机 粒子群算法 可燃气体 预测模型
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 20-23
• 页数: 4页
• 分类号: TP391
• 字数: 3271字
• 语种: 中文

摘要

针对下水道可燃气体传感器非线性、选择性差和交叉敏感的特点,建立了一种基于粒子群算法(PSO)支持向量回归机(SVR)的下水道可燃气体分析预测模型.该模型通过引入粒子群算法对支持向量回归机的重要参数进行优化,从而实现了支持向量回归机的参数自动判定,用于下水道可燃气体的定量分析.仿真结果表明:基于粒子群的支持向量回归机下水道可燃气体分析预测模型优于SVR模型,具有较好的泛化性能和较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红旗	四川理工学院计算机学院	14	49	4.0	6.0
2	成新文	四川理工学院计算机学院	30	57	4.0	6.0
3	蒋华龙	四川理工学院计算机学院	10	15	3.0	3.0